PyMC

La librairie Python de programmation probabiliste pour l'inférence bayésienne moderne.

PyMC décrit un modèle statistique comme un graphe de variables aléatoires, puis l'estime par échantillonnage MCMC (NUTS, Hamiltonian Monte Carlo) ou par inférence variationnelle, sur un backend PyTensor compilable en C, JAX ou Numba. Les résultats sortent en objets ArviZ pour les diagnostics de convergence, les intervalles crédibles et les comparaisons de modèles. C'est notre choix quand il faut quantifier l'incertitude, intégrer des a priori métier ou travailler sur peu de données avec des modèles hiérarchiques.